Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/40178
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Гасников Александр Владимирович | ru_RU |
dc.contributor.advisor | Gasnikov Aleksandr Vladimirovic | en_GB |
dc.contributor.author | Беляков Артем Алексеевич | ru_RU |
dc.contributor.author | Belakov Artem Alekseevic | en_GB |
dc.contributor.editor | Авдюшенко Александр Юрьевич | ru_RU |
dc.contributor.editor | Avdusenko Aleksandr Urevic | en_GB |
dc.date.accessioned | 2023-04-06T21:49:59Z | - |
dc.date.available | 2023-04-06T21:49:59Z | - |
dc.date.issued | 2022 | |
dc.identifier.other | 068908 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/40178 | - |
dc.description.abstract | Для произвольного градиентного метода мы сталкиваемся с компромиссом между скоростью сходимости и предельным уровнем шума вокруг решения. В данной статье мы вводим новый стохастический градиентный метод, который справляется с данной задачей лучше. В частности, мы покажем, что для квад- ратичной задачи с заданным фиксированным желаемым шумом наш алгоритм сходится быстрее, чем известные стохастические методы. Более того, мы выво- дим сходимость нового метода для общего класса задач выпуклой оптимизации. Теоретические результаты подкрепляются экспериментами. | ru_RU |
dc.description.abstract | For any stochastic gradient method one have to come to a tradeoff between rate of convergence and limit noise level near the solution. In this paper we present a new stochastic gradient type method, which solves this problem more efficiently. In particular, we show that for quadratic problems with a fixed desired noise level, this algorithm converges faster than known stochastic methods. Moreover, we give the convergence of the new technique for a general class of convex problems. The practical results confirm the theoretical analysis. | en_GB |
dc.language.iso | ru | |
dc.subject | Выпуклая оптимизация | ru_RU |
dc.subject | СГД | ru_RU |
dc.subject | ПДМ | ru_RU |
dc.subject | Лукэхед | ru_RU |
dc.subject | Convex optimization | en_GB |
dc.subject | SGD | en_GB |
dc.subject | PDM | en_GB |
dc.subject | Lookahead | en_GB |
dc.title | Polynomial lookahead. Reformulation of convex optimization problems in terms of hessian | en_GB |
dc.title.alternative | Полиномиальный лукэхед. Переформулировка задач выпуклой оптимизации в терминах гессиана | ru_RU |
Располагается в коллекциях: | BACHELOR STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Thesis.pdf | Article | 472,82 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_belyakov_artem_signed.pdf | ReviewSV | 73,46 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_st068908_Belakov_Artem_Alekseevic_(supervisor)(Ru).txt | ReviewSV | 5,12 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.